Script : 00_selection_pop_ope
L’objectif de cette étude est d’évaluer les tendances démographiques des poissons d’eau douce de Bretagne. Ce travail vient en appui à la révision de la liste rouge régionale de 2017 produite par Vigneron et al., 2017.
Dans un premier temps, il s’agit de produire un tableau de bord combinant divers indicateurs simples représentatifs de la dynamique de population des poissons d’eau douce de Bretagne de 1990 à 2023.
Ce script vise à constituer un premier jeu de données regroupant une sélection de stations bretonnes à étudier, tirées de la base nationale ASPE (regroupant l’ensemble des données piscicoles disponibles en France). Ces données serviront à construire des séries temporelles représentatives des dynamiques de population de poissons d’eau douce de Bretagne. Elle permettrons ainsi une première évaluation simple et globale des dynamiques populationnelles des poissons d’eau douce de Bretagne.
Dans un second temps (à partir du script 15), une analyse plus fine de ces dynamiques populationnelles sera effectuée à l’aide d’outils bayésiens développés par Dortel et al., 2022.
library(tidyverse)
library(wesanderson) # Palette de couleur
library(aspe) # Traitement de la base aspe
library(mapview)
library(COGiter)
library(sf)source(file = "../R/borner_series.R") # Chargement de la fonction borner_series Chargement des données issues de la base ASPE :
rdata_tables <- misc_nom_dernier_fichier(
repertoire = "../../../../projets/ASPE/raw_data/rdata",
pattern = "^tables")
load(rdata_tables) # Chargement des données pal <- wes_palette("AsteroidCity1") # Chargement des palettes de couleur
pal2 <- wes_palette("FantasticFox1")
pal3 <- c("#007844", "#92D050", "#0087C1", "#A97B30","#FCEE21", "#00AEEF", "#1D1D1B", "#B9D9EB")Plusieurs paramètres sont définis pour cette étude, ils peuvent être modifiés en fonction des objectifs souhaités. Parmi ces paramètres :
La taille du buffer (en mètre) : zone tampon entourant les départements de la Bretagne.
Les réseaux de pêches : sélection des différents réseaux : RCS - Réseau de Contrôle de Surveillance ; RRP - Réseaux de Référence Pérenne ; RHP - Réseau Hydrobiologique Piscicole ; RCA - Réseau de contrôle additionnel ; RCO – Réseau Contrôle opérationnel.
Seuls les trois premiers réseaux seront conservés dans cette étude.
Les types de pêches : sélection des différents types de pêche : Pêche partielle par point ; Pêche par ambiance ; Pêche partielle sur berge ; Pêche complète à un ou plusieurs passages.
Le nombre minimum d’années composant les séries de pêches.
Le nombre d’années manquantes consécutives maximum sur les séries de pêches.
L’année de départ et l’année de fin de l’étude : ici nous souhaitons étudier les dynamiques populationnelles des poissons d’eau douce sur la période la plus longue disponible (1990-2023).
Les paramètres souhaités sont ainsi renseignés dans des objets qui seront utilisés au cours de l’étude.
taille_buffer <- 1000 # Taille du buffer (en mètres)
mes_reseaux <- c("RCS – Réseau de Contrôle de Surveillance", # Réseaux de pêches
"RRP – Réseau de Référence Pérenne",
"RHP – Réseau Hydrobiologique Piscicole")
mes_types_de_peche <- c("Pêche complète à un ou plusieurs passages", # Types de pêches
"Pêche partielle par points (grand milieu)",
"Pêche par ambiances",
"Pêche partielle sur berge")
n_mini_annee <- 9 # Nombre minimum d'années des séries de pêches
n_max_manquant <- 2 # Nombre d'années manquantes maximum consécutives sur les série de pêches
annee_depart <- 1990 # Année de départ de l'étude
annee_fin <- 2023 # Année de fin de l'étude Dans un premier temps, il s’agit de créer une “passerelle” qui permettra de joindre l’ensemble des différentes données retenues pour les futures analyses. Cette passerelle facilitera l’ajout de diverses tables de données contenant des informations sur les stations / opérations de pêche /données individuelles relatives aux poissons issues de la base ASPE. Pour cela, nous utiliserons la fonction “mef_ajouter_…” permettant d’ajouter de nouvelles tables à nos jeux de données.
passerelle <- mef_creer_passerelle() # Création d'une passerellePour notre étude, nous nous concentrerons sur la Bretagne, incluant les départements 22, 29, 35 et 56. Ces départements sont modifiables selon l’objectif de l’étude.
mes_depts <- departements_metro_geo %>%
filter (DEP %in% c("22", "29", "35", "56")) # Sélection de l'aire géographique : choix des départements mes_depts %>%
mapview::mapview() # Visualisation de la zone géographique sélectionnée Notre étude se concentre sur la Bretagne. Toutes les stations bretonnes sont regroupées dans un jeu de données initial. Ici, il ne s’agit pas de réfléchir à l’échelle des bassins versants, leurs limites n’étant pas toujours évidentes. Un buffer est donc mis en place autour des limites départementales pour considérer les stations aux emplacements ambigüs et englober les stations frontalières. La taille du buffer est définie selon l’aire géographique considérée (cf. Paramètres).
buffer <- st_buffer(mes_depts, # Mise en place d'un buffer
taille_buffer) # PARAMETREmapview( # Visualisation de l'aire géographique et du buffer ----
list(buffer, mes_depts),
layer.name = c("Bretagne avec un buffer de 1 km", "Bretagne"),
col.regions = list("#0A9F9D", "#FDE725FF"))Nous souhaitons maintenant observer l’ensemble des stations / points de prélèvements (lieux des opérations de pêche) présents sur cette aire géographique. Les points de prélèvements sont regroupés dans un dataframe pop_depts et sont représentés au sein de cette aire géographique.
pop_depts <- point_prelevement %>% # Les points de prélèvements sont regroupés dans le df pop_depts
st_as_sf(coords = c("pop_coordonnees_x",
"pop_coordonnees_y"),
crs = 2154) %>%
geo_attribuer(buffer) %>%
filter(!is.na(DEP))mapview( # Visualisation des points de prélèvements présents dans l'aire géographique sélectionnée
list(buffer, mes_depts),
layer.name = c("Buffer_1_km", "Bretagne"),
col.regions = list("#0A9F9D", "#FDE725FF")
) + mapview (pop_depts, shape = 20, color = "darkred", lwd =1)